Ilya Vilkoviskiy, Liang-Hong Mo, Suozhi Huang, Dmitry A. Abanin · 2026 · arXiv
DOI: 10.48550/arXiv.2610.28512 · open-access PDF
Los procesos atmosféricos no resueltos pueden introducir la dependencia de la historia más allá de las ventanas de entrada cortas utilizadas por muchos modelos de predicción del tiempo. Introducimos GraphCast--Mamba, que aumenta una columna vertebral de GraphCast con $1\circ$ con una rama de corrección de Mamba entrenable que combina el paso de mensajes de gráficos y las capas de Mamba. La rama mantiene un estado de memoria temporal a través de los pasos de predicción de seis horas sucesivos, aprendiendo correcciones informadas por el contexto temporal más allá de la entrada de dos marcos de GraphCast.
Machine translation (Meta M2M100); the English original follows.
Unresolved atmospheric processes can introduce history dependence beyond the short input windows used by many weather forecasting models. We introduce GraphCast--Mamba, which augments a frozen, pretrained $1^\circ$ GraphCast backbone with a trainable Mamba correction branch combining graph message passing and Mamba layers. The branch retains a temporal memory state across successive six-hour forecast steps, learning corrections informed by temporal context beyond GraphCast's two-frame input. Training is confined to the correction branch, using ERA5 data from 2015--2021. After 2,500 optimizer u
Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.28512, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange